UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Transcripción

1 1. Información General UNIVERSIDD DISTRITL FRNCISCO JOSÉ DE CLDS UNIVERSIDD DISTRITL Francisco José de Caldas Facultad Tecnológica Tecnología en Sistemas Eléctricos de media y baja tensión articulado por ciclos propedéuticos con Ingeniería Eléctrica por ciclos Espacio cadémico Electiva Intrínseca: Introducción a las redes neuronales Pensum al que pertenece 2 Código 1646 Tipo Espacio teórico-práctico Área Ingeniería aplicada HTD HTC HT Horas/semana Créditos académicos créditos 2. Justificación Existen diferentes formas de solucionar problemas cotidianos en ingeniería, unas soluciones con éxito otras no. Con las Redes Neuronales se busca la solución de problemas complejos, no como una secuencia de pasos, sino como la evolución de unos sistemas de computación inspirados en el cerebro humano, y dotados por tanto de cierta "inteligencia", los cuales no son sino la combinación de elementos simples de proceso interconectados, que operando de forma paralela en varios estilos, consiguen resolver problemas relacionados principalmente con la clasificación y reconocimiento de patrones. 3. Objetivos Presentar al estudiante los fundamentos de las arquitecturas de redes neuronales artificiales. Que el estudiante modele redes neuronales para la solución de problemas de clasificación y control. Implementar redes neuronales en hardware comparando la efectividad del sistema con otras formas tradicionales de resolver problemas en ingeniería. Utilizar software especializado en la simulación de los diferentes tipos de redes neuronales. Presentar el comportamiento, aprendizaje y estructura de las redes neuronales

2 UNIVERSIDD DISTRITL FRNCISCO JOSÉ DE CLDS 4. Requerimientos Para desarrollar el contenido curricular planteado es necesario que los estudiantes tengan herramientas matemáticas en cálculo vectorial y matemáticas especiales. sí mismo el estudiante debe haber aprobado los cursos de análisis de sistemas dinámicos y circuitos digitales. Para un buen desarrollo del curso se debe contar con una sala de software en el cual los estudiantes puedan realizar los diferentes talleres que se encuentran orientados al diseño propio de redes neuronales. 5. spectos pedagógicos La propuesta desarrollada por el grupo de docentes del proyecto curricular de Tecnología en Electricidad e Ingeniería en Distribución y Redes Eléctricas, partió del análisis de las características generales que debe poseer todo tecnólogo, como profesional en el sector eléctrico, además de los conocimientos específicos propios de la aplicación de su carrera que debe poseer todo ingeniero, y se encuentran detallados en el perfil profesional que hace parte de la propuesta para el transito a créditos académicos. Tales características, fusionadas al interior de los espacios académicos del plan de estudios son: lto nivel de desarrollo de sus capacidades comunicativas. Habilidades para definir problemas, recoger y evaluar información, y desarrollar soluciones reales y eficientes. Capacidades para trabajar en equipo, habilidad para trabajar con otros. Habilidad para utilizar todo lo anterior a fin de encarar problemas en el complejo mundo real. Todos los espacios académicos del plan de estudios, al igual que éste, se consideran teórico-prácticos, sustentando esta dinámica en un problema o pregunta que el estudiante debe solucionar a lo largo de las 16 semanas de duración del semestre, a modo de un proyecto o trabajo final.

3 UNIVERSIDD DISTRITL FRNCISCO JOSÉ DE CLDS 6. Descripción de créditos Distribución de las actividades Clase presencial (trabajo directo) Diagnóstico de conocimientos Ejemplificación del contenido Preguntas en clase Realización de ejercicios y problemas por parte del profesor Talleres de refuerzo Evaluación Seguimiento a los talleres Proyecto integrador Talleres extractase Lecturas previas Proyecto integrador Talleres extractase Horas semanales Horas semestre 2 32 compañamie nto (trabajo 1 16 cooperativo) ctividades extractase (trabajo 3 48 autónomo) TOTL 6 96 Número de créditos 2 7. Competencias e indicadores Nombre de la unidad Lineamientos Competencias Indicadores de Idoneidad HSP HS THS temática Fundament o de las redes Neuronales artificiales Propagació n hacia atrás (backpropa gation) Interpretación y abstracción matemática: Comprensión e de ecuaciones matemáticas y su representación física. Uso de variables, planteamiento de problemas e de las soluciones. Interpretación y abstracción matemática: Comprensión e de ecuaciones matemáticas y su representación física. Uso de variables, planteamiento problemas de e Comprende el funcionamiento básico de una red neuronal biológica. naliza y comprende la unidad mínima de una red neuronal: El perceptron. Realiza una clasificación de las redes neuronales artificiales según su topología, tipo de aprendizaje Comprende la estructura de una red tipo daline. Propones solución a problemas con una sola neurona artificial. Identifica el funcionamiento de una red Backpropagation. Comprende la estructura de la regla Delta Generalizada. Reconoce fácilmente las diferencias entre los diferentes algoritmos de entrenamiento de una red tipo backpropagation. Utiliza Programas especializados para la simulación de redes neuronales. Soluciona problemas de clasificación utilizando de

4 las soluciones. UNIVERSIDD DISTRITL FRNCISCO JOSÉ DE CLDS backpropagation Pensamiento Variacional y de Diseño: Diseño de redes neuronales en FPG. Representación física de los diferentes El modelo sistemas de construidos. Identificación de resonancia adaptativa las diferentes (RT) variables del Mapas autoorgani zativos proceso. Transversalidad del conocimiento adquirido en diferentes áreas con aplicación directa sobre la solución de problemas básicos de control. Pensamiento Variacional y de Diseño: Diseño de redes neuronales en FPG. Representación física de los diferentes sistemas Identificación de construidos. las diferentes variables del proceso. Transversalidad del conocimiento adquirido en diferentes áreas con aplicación directa sobre la solución de problemas básicos de control. Identifica las características de memoria asociativa, y memoria bidireccional. Comprende el funcionamiento Identifica la memoria el funcionamiento tipo Hopfield. de la una red neuronal con arquitectura RT. plica el modelo RT para clasificación de patrones como imágenes y señales analógicas. Identifica el proceso de construcción de redes que manejan una arquitectura con mapas auto organizados. Comprende Maneja la arquitectura el procesamiento kohonen de datos SOM. su aprendizaje, arquitectura y aplicaciones. Soluciona problemas utilizando redes neuronales. Implementa redes neuronales sobre software y hardware. TOTL Estrategias de evaluación Logros: Talleres: X Proyectos: X Trabajos de campo: Parciales: X Dinámicas y discusiones:

5 UNIVERSIDD DISTRITL FRNCISCO JOSÉ DE CLDS 9. Valoración de las estrategias de evaluación Parciales Talleres Proyecto TEMS EVLUR 1 ra Nota 15% 10% N Funcionamiento de un perceptron, Estructura redes para solucionar problemas de separación lineal. Estructuración de algoritmos para entrenar redes neuronales tipo backpropagation. Resuelve 2 ra Nota 15% 10% N problemas mediante la simulación de las redes. La simulación le permite encontrar diferentes características y posibilidades de una red. 3 ra Nota 15% 5% N Memorias hetero asociativas y memorias auto asociativas. plicación de los modelos de resonancia adaptativa. Examen final 10% N 20% Modelos de redes tipo Kohonen. Realiza implantación utilizando elementos de hardware aplicados a sistemas de control. 10. Bibliografía y demás fuentes de documentación Redes neuronales y sistemas difusos. Bonifacio Martín del Brío. lfaomega. Redes neuronales lgoritmos, aplicaciones y técnicas de programación. James Freeman. ddison-wesley Redes Neuronales rtificiales. Fundamentos, modelos y aplicaciones. José Ramón Hilera. ddison-wesley Redes neuronales artificiales: fundamentos y aplicaciones Ignacio Olmeda y Sergio Barba-Romero. lcalá. Redes neuronales artificiales. Héctor Tabares O. Editorial Universidad Pontificia Bolivariana. Matlab: Neural Network Toolbox User's Guide, The Math Works, Inc., 1998.